Ollama vs LM Studio: ¿cuál deberías usar?

Ollama vs LM Studio es sobre todo una cuestión de licencia, interfaz y forma de trabajo, porque los dos ejecutan modelos abiertos como Qwen, Gemma, Llama y gpt-oss en tu propio ordenador y los dos pueden servirlos a otras aplicaciones mediante una API. Esta comparación se apoya en la documentación y las condiciones de cada proyecto, comprobadas el 6 de octubre de 2026. No hemos hecho pruebas de velocidad, y la velocidad depende mucho más de tu equipo y del modelo que elijas que del programa.

La versión corta

Tabla: Ollama y LM Studio de un vistazo

Elige Ollama si sobre todo quieres un modelo funcionando en segundo plano para scripts, agentes de programación u otras aplicaciones, si necesitas una licencia de código abierto o si piensas ejecutarlo en un servidor.

Elige LM Studio si quieres una aplicación de escritorio pulida para explorar, descargar y chatear con modelos, adjuntar documentos y comparar ajustes sin una terminal.

Licencia y precio

Es la mayor diferencia práctica. El código de Ollama se publica con licencia MIT en GitHub, así que puedes usarlo, modificarlo e incorporarlo a productos.

LM Studio es de código cerrado. Sus condiciones conceden una licencia no exclusiva e intransferible para usar el software únicamente para tus fines personales o internos de empresa y de acuerdo con la documentación. Las mismas condiciones prohíben ofrecerlo a terceros como proveedor de servicios de aplicaciones o como software como servicio. En claro: puedes usar LM Studio gratis en el trabajo, pero no revenderlo ni ejecutarlo como servicio para tus clientes. Las condiciones mencionan además funciones de pago opcionales (suscripciones o créditos de uso).

Ollama es gratuito para ejecutar en local. Sus modelos en la nube son un servicio aparte, con cuenta; la documentación de Ollama dice que no usa los prompts ni las respuestas de la nube para entrenar modelos y que las funciones en la nube se pueden desactivar si solo quieres modelos locales.

Plataformas y hardware

Tabla: requisitos de sistema de Ollama y LM Studio

En cuanto a las tarjetas gráficas, Ollama documenta soporte para tarjetas NVIDIA con capacidad de cálculo 5.0 o superior, tarjetas AMD mediante ROCm, GPU de Apple mediante Metal y otras tarjetas mediante Vulkan. Si dudas de que tu tarjeta tenga memoria suficiente para un modelo, usa nuestra calculadora de VRAM, y mira la guía de la mejor GPU para modelos en local para saber qué modelos caben en cada escalón de memoria.

Uso diario

Ollama gira en torno a unos pocos comandos: ollama pull qwen3:8b descarga un modelo, ollama run qwen3:8b abre un chat con él en la terminal y ollama ps muestra qué está cargado y si va entero en la GPU. Los modelos salen de la biblioteca de Ollama por nombre y etiqueta, con el tamaño de descarga en cada página (por ejemplo, 5,2 GB para qwen3:8b y 14 GB para gpt-oss:20b). También hay una aplicación de escritorio, y la línea de comandos puede lanzar agentes de programación como Claude Code, Codex u OpenCode (por ejemplo, ollama launch claude). Todos los comandos están en nuestra guía rápida de comandos de Ollama.

LM Studio gira en torno a su ventana. La pestaña Discover busca y descarga modelos (desde Hugging Face), la pestaña Chat carga uno (con ajustes de carga opcionales) y empieza una conversación, y puedes adjuntar documentos a una conversación y consultarlos del todo sin conexión. También puede actuar como cliente MCP (mira qué es MCP) para conectar los modelos locales con herramientas.

Para desarrolladores

Los dos exponen una API en tu máquina, así que las aplicaciones escritas para la API de OpenAI o la de Anthropic pueden hablar con un modelo local cambiando la dirección base:

• Ollama: http://localhost:11434/v1 para clientes de estilo OpenAI y http://localhost:11434 para los de estilo Anthropic. La documentación de Ollama señala que admite un subconjunto de cada API.
• LM Studio: http://localhost:1234/v1 para clientes de estilo OpenAI, más un punto de acceso compatible con Anthropic, una API REST y SDK oficiales en TypeScript y Python.

Para servidores e integración continua, Ollama funciona como un servicio normal (ollama serve, o una unidad systemd en Linux). El equivalente de LM Studio es llmster, el núcleo de LM Studio empaquetado como demonio para despliegues sin pantalla, que no necesita la aplicación de escritorio.

¿Se pueden usar los dos?

Sí. Escuchan en puertos distintos (11434 y 1234), así que pueden funcionar en el mismo ordenador. Cada uno descarga y guarda sus propios modelos (Ollama los guarda en ~/.ollama en macOS y en %HOMEPATH%\.ollama en Windows), de modo que el mismo modelo instalado en los dos ocupa el disco dos veces.

Lo que no probamos

No hemos medido la velocidad, el uso de memoria ni la calidad de la salida en ninguno de los dos programas, y no los clasificamos. La comparación se limita a lo que documenta cada proyecto. Si has usado los dos en el mismo equipo y has encontrado una diferencia que valga la pena contar, cuéntanoslo.

Para empezar con Ollama paso a paso, mira cómo instalar Ollama.